topsis综合评价法_TOPSIS综合评价法

TOPSIS综合评价法

TOPSIS法是多目标决策分析中一种常用的有效方法,是一种逼近于理想解的排序法,又称为优劣解距离法。它根据有限个评价对象与理想化目标的接近程度进行排序,在现有的对象中进行相对优劣的评价。

9431446f144dec6522600d290448d6a6.gif

例题解析

4ba86a9d6448a3398b4941fe9d5e01be.png

1989年度西山矿务局5个生产矿井实际资料如下表,对西山矿务局五个生产矿井1989年的企业经济效益进行综合评价。4cf07bb62ad0625c2706788eaddb9e73.png

d6636a96b915948d06c17496e120382d.gif

解题步骤

4ba86a9d6448a3398b4941fe9d5e01be.png a8562c377f14fe86ab698c862503896e.png

解:用x₁,…,x₉分别表示评价的指标变量原煤成本、原煤利润、原煤产量、原煤销售量、商品煤灰分、全员效率、流动资金周转天数、资源回收率、百万吨死亡率。其中,x₁,x₅,x₇,x₉是成本型指标,其余变量为效益型指标。

这里评价对象有5个,分别是白家庄矿、杜尔坪矿、西铭矿、官地矿、西曲矿,第i个评价对象关于第j个指标变量xj的取值为aij,对应的数据矩阵为A=(aij)₅*₉。

使用TOPSIS方法进行评价,步骤如下:

(1)对数据进行标准化处理。

成本指标的标准化公式为:

024f5474d8fc16b7560c0b3b908242b6.png

例如:

a63e08487456e201ea919f52ed64868d.png

效益指标的标准化公式为:

fbcd20db69b2b81480a7bd79c840bca0.png

例如:

b22ac50b55e8c9ca356188dca170fb5e.png

式中:xjmax为第j个指标变量取值的最大值;xjmin为第j个指标变量取值的最小值。

标准化的数据矩阵记为

d6b8b316860669439cc31d8d66725e88.png

(2)求正理想解和负理想解。

设正理想解C*的第j个指标值为cj*,负理想解C⁰第j个指标值为cj0,则

正理想解

6d64261715ef99ac29bc6588f2eca593.png

例如:

264cb1dec5f896d0d9978d4092028c2b.png

负理想解

a46c5d8bf13b4cbf1c1c54f01f68fe36.png

例如:

9b72a0b5ab68799f408b14e0dd89056a.png

(3)计算各评价对象到正理想解与负理想解的距离。

第i个评价对象到正理想解的距离为

db674fa32ff303ba45eb142c6dd35f81.png

例如:

be0e26469a574f82624bb08d5efa46e1.png

第i个评价对象到负理想解的距离为

5cfcc919b0b103fc72daba918b51ee88.png

例如:

20403e9e531db9ca4e383fff9280ba14.png

(4)计算各方案的排队指标值(即综合评价值):

例如:

6d9772759fe2bd758e7e576b00c776b5.png

(5)按fi*由大到小排列方案的优劣次序。

利用Matlab程序计算得到的综合评价值如下表所列。综合排名次序依次为西铭矿、白家庄矿、西曲矿、杜尔坪矿、官地矿。

818aeb4cc27d120def50051289f55811.png

a8562c377f14fe86ab698c862503896e.png 972c0dbab13bfe04e4b99fdbab144355.png

计算的Matlab程序

a=[99.89 103.69 97.42 101.11 97.21

96.91 124.78 66.44 143.96 88.36
102.63 101.85 104.39 100.94 100.64
98.47 103.16 109.17 104.39 91.90
87.51 90.27 93.77 94.33 85.21
108.35 106.39 142.35 121.91 158.61
71.67 137.16 97.65 171.31 204.52
103.25 100 100 99.13 100.22
171.2 51.35 15.90 53.72 20.78];
a=a';
[m,n]=size(a);
for j=[1 5 7 9]
    b(:,j)=(max(a(:,j))-a(:,j))/(max(a(:,j))-min(a(:,j)));
end
for j=[2:4,6,8]
    b(:,j)=(a(:,j)-min(a(:,j)))/(max(a(:,j))-min(a(:,j)));
end
cstar=max(b);c0=min(b);
for i=1:m
    dstar(i)=norm(b(i,:)-cstar); %q求到正理想解的距离
    d0(i)=norm(b(i,:)-c0); %求到负理想解的距离
end
f=d0./(dstar+d0);
[sf.ind]=sort(f,'descend'); %求排序结果

END

6fe34a9921fcf4d635c8869e4e33c301.png

JOIN US

南师泰院数学建模

快来关注一下吧!

  • 18
    点赞
  • 124
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值